Ученые с помощью ИИ раскрыли одну из главных загадок воды

Схематическая иллюстрация исследования: искусственный интеллект предсказывает температуру по молекулярной конфигурации воды. Credit: 2026, Kohei Yoshikawa et al., Machine learning evaluation of structural descriptors for supercooled water, Communications Chemistry

Вода покрывает большую часть поверхности Земли, но ведет себя иначе, чем почти любая другая жидкость. Одно из самых необычных её свойств — расширение при замерзании вместо сжатия. Ученые давно связывают эти аномалии с изменениями микроскопической структуры воды при изменении температуры и давления, но им не хватало последовательного способа описания и сравнения этих структурных изменений.

Теперь исследователи из Университета Осаки обратились к искусственному интеллекту (ИИ), чтобы решить эту задачу. Их ИИ-система предоставляет единый способ сравнения различных методов описания структуры переохлажденной воды, помогая определить, какие из них улавливают наиболее важные особенности. Исследование опубликовано в журнале Communications Chemistry.

Почему переохлажденная вода ведет себя так странно

Чтобы жидкая вода превратилась в лед, её молекулы должны выстроиться в упорядоченную кристаллическую решетку. Этот процесс начинается на центре нуклеации — поверхности, где могут начать формироваться кристаллы льда. Такими центрами могут служить крошечные примеси в воде или микроскопические царапины внутри емкости. Если эти центры отсутствуют, вода может оставаться жидкой даже после охлаждения ниже обычной точки замерзания. Это необычное состояние называется переохлажденной водой.

Необычные свойства воды становятся еще более выраженными в таких условиях. Ученые считают, что эти аномалии связаны с балансом между двумя конкурирующими формами жидкой воды: жидкостью высокой плотности (HDL) и жидкостью низкой плотности (LDL). На молекулярном уровне молекулы воды постоянно образуют и разрывают сети водородных связей. С повышением температуры более компактные структуры HDL становятся все более доминирующими над более рыхлыми структурами LDL.

ИИ сравнивает конкурирующие модели воды

За прошедшие годы исследователи предложили множество различных способов описания локального расположения молекул воды, включая такие параметры, как тетраэдрический порядок связи и локальная плотность. Поскольку эти структурные дескрипторы разрабатывались независимо, они используют разные шкалы, размерности и типы информации. Это затрудняло их прямое сравнение и определение наиболее полезных из них.

«Прошлые исследования показали, что использование машинного обучения для классификации и понимания структурных данных эффективно, — объясняет соавтор работы Кан Ким. — Мы хотели включить в это исследование модель нейронной сети, чтобы оценить, насколько точно дескрипторы улавливают ключевую структурную информацию, подобно человеческому познанию».

Для обучения ИИ исследователи загрузили в нейронную сеть структурные данные, полученные в результате моделирования молекулярной динамики переохлажденной воды. Путем повторных проб и ошибок система научилась распознавать значимые закономерности в молекулярных структурах.

Новые ключи к скрытой структуре воды

«Сеть использовала то, чему научилась, для сравнения того, как 16 дескрипторов различают структуры LDL и HDL при разных температурах, — сообщает старший автор Нобуюки Матубаяси. — Таким образом, мы определили наиболее эффективные дескрипторы».

Исследователи считают, что их метод может улучшить понимание учеными того, как микроскопические структурные изменения связаны с термодинамическим поведением воды. Результаты также могут помочь объяснить происхождение необычных свойств воды, одновременно направляя разработку еще более совершенных инструментов для изучения её сложной молекулярной структуры.

Источники:

sciencedaily.com

Материалы предоставлены Университетом Осаки.

Kohei Yoshikawa, Kokoro Shikata, Kang Kim, Nobuyuki Matubayasi. Machine learning evaluation of structural descriptors for supercooled water. Communications Chemistry, 2026; 9 (1) DOI: 10.1038/s42004-026-02097-1